关于报告的所有内容，公众『行业报告智库』阅读原文或点击菜单获取报告下载查看。
摘要:报告显示，制造业是一个非常注重安全、可靠和稳定的行业，因此对于人工智能模型的可靠性提出了更高的要求。特别是在生产制造流程中，可靠性尤为重要。这就需要人工智能模型，包括大模型，具备更高的可靠性和稳定性，以保证生产制造流程的正常运转。
从大模型驱动的AI应用方面来看，应用成本需要大幅度降低。目前，定制化千亿参数通用大模型的成本难以被客户接受。算力成本仍然高居不下，训练卡价格仍在上升。未来考虑到未来LLM不断升级，训练推理成本或将持续上行。为此，垂类大模型能够达到参数量、效果、成本和场景的匹配，模型蒸馏压缩、采用MoE架构小样本微调等技术路径也能够有效降低成本，加速落地。
与其他行业不同，工业场景相对来说数据样本量较小，AI训练相对困难。工业数字挛生可以通过仿真的形式生成大量数据，帮助AI模型深度优化。制造企业也需要强化自身数据积累与沉淀，以提升AI应用现实可行性。
报告认为，未来工业级场景需求升级，带动计算机视觉、工业知识图谱、工业数字李生、群体智能等关键技术向多元化场景纵深发展；大模型为工业智能注入认知理解能力，将柔性融入制造流程，成为工厂智能中枢；AI与工业大数据双向驱动将全面释放价值，成为智能制造升级关键推动力；生成式AI的应用将为工业知识沉淀和传承提供有力支持。
报告节选内容如下
免责声明 : 本平台只做内容的收集及分享，报告版权归原撰写发布机构所有，由 『行业报告智库』 通过 收集整理 ，如涉及侵权，请联系我们删除；如对报告内容存疑，请与撰写、发布机构联系。
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
